Публикации по теме 'statistics'


Знакомство с проверками гипотез
Том вырос в городе Руритания. Там он пошел в среднюю школу, познакомился там со своей женой, и у него счастливый дом. Руритания, земля природных источников, известна своей чистой водой. В последнее время он чувствует ухудшение качества водопроводной воды. Это страшное чувство, так как последствия медленные. Он начинает связывать причину плохого качества воды с этой новой фабрикой по соседству . Ты лучший друг Тома. Увидев, что он обеспокоен, вы взяли на себя ответственность..
Статистический вывод 1: Введение в оценщики и беспристрастность
В этом сборнике статей представлена ​​концепция основных методов статистического вывода, которые считаются полезными для многих областей науки о данных и машинного обучения. В этих статьях будут рассмотрены вводные концепции логического вывода, но было бы полезно ознакомиться с базовой статистикой и соответствующими обозначениями. Часть 1. Понятие оценщика Чтобы полностью понять концепции статистического вывода, мы должны сначала понять понятие оценки. Рассмотрим следующую..
Освоение центральной предельной теоремы: полное руководство для специалистов по данным
Как специалисту по данным важно иметь четкое представление о статистических концепциях и принципах. Одной из таких концепций является Центральная предельная теорема, которая играет решающую роль в проверке гипотез, оценке параметров и многом другом. Но для многих центральная предельная теорема может показаться запутанной и сложной темой. В этой статье мы углубимся в детали центральной предельной теоремы, объясним ее значение и приведем примеры, которые помогут вам лучше понять эту..
Почему OpenAI оказался настолько эффективным?
Абстрактный OpenAI с момента своего создания стала новатором в области искусственного интеллекта (ИИ). Его эффективность проистекает из сочетания дальновидной миссии, передовых исследований, духа сотрудничества и приверженности прозрачности и безопасности. Целью этой статьи является анализ факторов, лежащих в основе успеха OpenAI, изучение ее основополагающих принципов, операционных стратегий и более широких последствий ее вклада в сообщество ИИ. Введение: Навигация в эпоху..
Имитировать «несправедливую» модель машинного обучения?
Я создаю игрушечный пример справедливости в модели машинного обучения. Фото Tingey Injury Law Firm / Unsplash Я хотел бы поблагодарить Хану Чоклер за некоторые разъяснения в ее статье. В предыдущем посте я обсуждал оценку долларовой стоимости дискриминации из-за предвзятости при выборе резюме в…
Простой инструмент для правильного преобразования нелинейных данных для линейной регрессии
Использование правила выпуклости Тьюки и Мостеллера для преобразования данных в линейную зависимость Введение Два важных допущения для линейной регрессии заключаются в том, что остатки независимы друг от друга и что существует постоянная дисперсия этих ошибок (также известная как гомоскедастичность). По сути, это означает, что когда мы рисуем нашу линию регрессии, нам нужно относительно равное количество ошибок вверху и внизу нашей линии по всей линии. Во многих случаях переменные,..
Линейная регрессия — глубокое погружение
Когда мы просто вызываем линейную регрессию , она обычно помечается как простая линейная регрессия. С точки зрения непрофессионала, линейная регрессия — это модель, которая обеспечивает взаимосвязь между двумя переменными. Чтобы уточнить, он обеспечивает связь между одной предикторной (независимой) переменной и другой целевой (зависимой) переменной. Я знаю, что у вас в голове наверняка возник бы один вопрос: Если линейная регрессия целиком посвящена взаимосвязи между двумя переменными,..